GPT-6 Astra 实测与用法：大家拿它做了什么

日本用户让 GPT-6 Astra 检验 AR、立川第二、little finitistic dimension 三个猜想的反例，Lean 形式化后看起来成立，但受特征 2 假设限制。

帖主称克隆 openai/math 后看到 372 族结果，含准黎曼假设、希尔伯特第十问题等，并称部分由 Astra 的 Pro 算力跑出。

榜单显示 Opus 5.5 得 63.31 分、每任务 4.99 美元，Astra 56.25 分却要 11.61 美元。

开发者抱怨现有模型各有短板，只想要 Anthropic Opus 或 OpenAI Astra 那种「不将就」的模型质量。

作者用了一周 Opus 5.5，认为它爱走捷径、假设出错，非编码任务上 GPT-6 Astra 仍明显更强。

100 名开发者聚集在维也纳 WU 附近的咖啡馆，进行两场三小时无议程的 GPT-6 Astra 交流活动，展示各自在做的东西。

OpenAI 抽调 25% 生产工程师，用模型扫自家系统找 P0 漏洞，并想把这套「防御工厂」自动化。

作者让 Astra 自主跑 12 项任务且不许反问，结果 9 项完成、2 项待批、1 项失败，而失败没有拖垮其余任务。

Mistral 团队支持者称 Mistral 4 用 3800 块 Grace Blackwell 达到 GPT-6 Astra 十万块 GPU 约 72% 的智能水平。

Mistral Large 4 发布后，作者用同一个 3D 提示词一次性跑 8 个模型（含 GPT-6 Astra、6.1 Sol、Opus 5.5），不做任何修正直接对比出图效果。

帖称 Mistral Large 4 在安全类基准上胜过 Opus 5.5 与 Astra，主因是后两者约四成安全任务被自家过滤器拦下。

Kevin Roose 新书披露：Dario 在 GPT-2 后写下五步 AGI 计划，从全网文本、扩上下文、多模态、RL 到递归自我改进，如今 Astra 正走到第五步。